基于CNN-LSTM的深基坑挡墙变形时空分布预测方法

摘要

为实现软土地层基坑挡墙变形的精准预测与有效控制，保障基坑安全施工，本文基于基坑挡墙变形显著的时空分布变化特征，建立基坑挡墙变形时空分布矩阵并提出融合卷积神经网络（CNN）和长短时记忆网络（LSTM）的混合预测模型CNN-LSTM，结合上海某深基坑工程，从时空维度对挡墙变形进行同步预测与对比验证.结果表明：1)基于挡墙位移时空分布矩阵的CNN-LSTM混合预测模型与4种传统模型相比，通过时空分布特征的提取与深度学习，可对基坑水平位移的时空分布实现精准预测；2)在空间分布预测方面，通过位移空间分布特征的提取与深度学习，不仅能对挡墙变形模式进行准确识别，还能对变形曲率及最大变形位置等分布特征进行精准预测，沿深度和水平方向预测的平均绝对误差M_AE分别为0.532 mm和0.742 mm;3)在时间分布预测方面，通过水平位移时序特征的提取与深度学习，并考虑长短时数据依赖关系，能适应不同施工阶段挡墙位移的动态预测，施工期内预测的M_AE为0.841 mm，表现出良好的鲁棒性.

关键词

CNN-LSTM / 时空分布特征 / 挡墙位移 / 神经网络